正在加载页面…
来源:source-paper:Figure 4(b-c) and Section 5.3 prose, page 11
这条 Claim 暂无已发布的不可变 Assessment。
这条 Claim 暂无关联执行。
已评估 0/12 项
保留同一结论下的完整结果组。已有评估排在前面;单项判断不替代整组结论。展开行查看条件、来源与历次证据。
| 指标与条件 | 论文报告 | 最近可用实测 | 证据判断 |
|---|---|---|---|
split: id_test · configuration: Flattened prompt | 0.353 fraction | — | 尚未评估 |
split: ood_test · configuration: Flattened prompt | 0.437 fraction | — | 尚未评估 |
split: id_test · configuration: SkillSonar | 0.104 fraction | — | 尚未评估 |
split: ood_test · configuration: SkillSonar | 0.109 fraction | — | 尚未评估 |
split: id_test · configuration: Flattened prompt | 0.655 score | — | 尚未评估 |
split: ood_test · configuration: Flattened prompt | 0.672 score | — | 尚未评估 |
split: id_test · configuration: SkillSonar | 0.815 score | — | 尚未评估 |
split: ood_test · configuration: SkillSonar | 0.789 score | — | 尚未评估 |
configuration: Flattened prompt | 0.748 score | — | 尚未评估 |
configuration: SkillSonar | 0.763 score | — | 尚未评估 |
configuration: Flattened prompt | 239 thousands_of_tokens | — | 尚未评估 |
configuration: SkillSonar | 188 thousands_of_tokens | — | 尚未评估 |